Estimating the Impact of Influenza Vaccination on Acute and ICU Hospital Bed Usage in an Influenza Season under Endemic COVID-19 in the US
Notice bibliographique
Résumé
In 2021-2022, influenza vaccine coverage in the US dropped below pre-COVID-19 pandemic levels. Cocirculation of COVID-19 and influenza could place a substantial burden on hospital utilization in future seasons, particularly given the reduced exposure to influenza during the pandemic. We used a dynamic susceptible-exposed-infected-recovered model to simulate influenza transmission with varying influenza vaccine coverage against a background of COVID-19 circulation, in order to estimate acute and ICU hospital bed occupancy for both diseases. We evaluated two vaccine scenarios: egg-based quadrivalent influenza vaccine (QIVe) for all age groups or cell-based QIV (QIVc) for 0.5-64 year-olds with adjuvanted QIV (aQIV) for ≥65 year-olds. ICU bed availability was more limiting than general hospital bed availability, with a vaccine coverage of ≥70% required to avoid negatively impacting ICU bed availability in a high-incidence influenza season. The timing of disease peaks was a key factor together with vaccine coverage, with a difference of ≥50 days needed between peak influenza and COVID-19 bed usage together with 65% influenza vaccine coverage to avoid negative impacts. QIVc + aQIV resulted in lower bed occupancy which, while not substantial, may be critical in very high hospital resource usage situations. In a situation with co-circulating influenza and COVID-19, proactive vaccination planning could help to avert overwhelming healthcare systems in upcoming influenza seasons.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».